信息已经成为当代和未来社会最重要的战略资源之一,以信息技术为平台的生物识别技术在具备学术研究价值的同时,具有更加广泛的市场领域和社会需求。目前,作为高安全级别的包括人脸识别等多样识别技术,将颠覆性的在更多领域逐渐取代传统的方式并占据主导地位。目前比较主流的的人脸识别主要集中于二维图像之中。现行的算法也多是针对一些局部特征的探索。包括将面部划分为标准脸谱的眼,鼻,嘴等的外观特性分析；针对人脸的各个部位不同温度散发出的红外光谱的差别来判断；在复杂环境中,区别于不同灯光,距离,角度能够准确检测出人脸。本文的设计思想在参考了众多文献后总结出了一种新型的基于大型数据库的人脸迅速监测系统。可以考虑从海量的数据库中,用聚类的方法先将集合中所有的图像和特征值进行分类,分别计算出其各自的类间特性和距离,最后再进行待识别图像与各个子集的比对。图片数据库的主要组成部分是国际公用的人脸图像库。还可以通过镜像变换和微度旋转等方法对于样本较少的图片进行调整,得到适量的特征集,以此满足海量的数据保障。图片预处理包括图片的去噪,运动图像的模糊度复原,直方图均衡,光照补偿,同态滤波。其中利用二维小波变换实现了光照补偿。数据约减和特征提取通过PCA和ICA进行实现,完成扫描后进行特征值存储。至此完成了测试集的前期处理工作和整个数据库的组建。再次,为了判断输入的待检测图像有无匹配的必要,就引入了人脸检测定位的思想。待检测图片经过预处理后,判断人脸检索,定位,剪裁,进行特征提取。本文设计了一种基于模版匹配的方法,利用Canny算子提取边缘后再进行遍历搜索,再裁剪出人脸。最后,按照制定规则判别测试特征值与所有的聚类中心的相似度,显示最相近的一类之后,就可以判别出结果。本文运用K均值算法,模拟退火K均值聚类算法,和遗传算法等进行实现。本文从理论和实践的角度探索和实现了整个人脸系统的识别能力,并且减少了计算时间,提高了检索效率。